AI শনাক্তকরণ আপিল পত্র: টেমপ্লেট এবং প্রমাণের চেকলিস্ট

ফাইন্ডিং লেটার মোটামুটি সেই কথাই বলে যা এ ধরনের চিঠি সাধারণত বলে: একটি শতাংশ, একটি নীতিগত উদ্ধৃতি, এবং আপনি দ্বিমত হলে জবাব দেওয়ার জন্য একটি সময়সীমা। একটি AI detection appeal letter হলো সেই আনুষ্ঠানিক নথি যা আপনার আপত্তিকে নথিভুক্ত করে, এবং এটি কেবল তখনই কার্যকর হয় যখন এটি প্রতিবাদের বদলে যুক্তির মতো গঠিত হয়। অধিকাংশ প্রতিষ্ঠান এতে একবারই সুযোগ দেয়, একটিমাত্র আনুষ্ঠানিক আপিল যা একবার পর্যালোচিত হয়, তাই জমা দেওয়ার পর সংশোধন করা যাবে এমন খসড়া হিসেবে না দেখে প্রথমবারেই কাঠামোটি ঠিক করা মূল্যবান।

একটি AI detection appeal letter এর একটিই কাজ: যিনি এটি পড়ছেন, সেই ব্যক্তি বা কমিটিকে একটি নির্দিষ্ট, প্রমাণভিত্তিক কারণ দেওয়া, যাতে তারা কোনো finding পরিবর্তন বা বাতিল করতে পারেন। এর মানে চারটি অংশ, সবসময় একই ক্রমে: আপনি কী বিষয়ে আপিল করছেন, পুনর্বিবেচনার ভিত্তি কী, সংযুক্ত প্রমাণ, এবং আপনি যে ফলাফল চাইছেন। এর যেকোনো একটি বাদ দিলে চিঠিটি আপিলের বদলে অভিযোগপত্রের মতো পড়ে।

AI Detection Appeal Letter টেমপ্লেট

নিচের ভাষা সরাসরি কপি না করে নিজের মামলার সঙ্গে মানিয়ে নিন। যে পর্যালোচক চল্লিশটি আপিল পড়েছেন, তিনি টেমপ্লেট সঙ্গে সঙ্গেই চিনে ফেলেন। এরপর যা কিছু আছে, তার মূল উদ্দেশ্য হলো নির্দিষ্টতা। নিচের প্রতিটি বন্ধনী আপনার নিজস্ব নির্দিষ্ট তথ্যের জায়গা ধরে। আপনি যত বেশি বিস্তারিত, সুনির্দিষ্ট তারিখ, সুনির্দিষ্ট শতাংশ, সুনির্দিষ্ট নথির নাম বসাতে পারবেন, চূড়ান্ত চিঠিটি তত কম সাধারণ ছাঁচের মতো শোনাবে। আপনি একটি সাধারণ চিঠি চান না।

আপনি কী বিষয়ে আপিল করছেন তা উল্লেখ করুন

এক বা দুইটি বাক্যে সুনির্দিষ্ট finding, তারিখ, এবং অ্যাসাইনমেন্টের নাম উল্লেখ করে শুরু করুন: আমি [date] তারিখের সেই finding এর বিরুদ্ধে আপিল করছি, যেখানে আমাকে [date] তারিখে জানানো হয় যে [assignment name] কে [policy name] অনুযায়ী [X]% সম্ভাবনায় AI-generated হিসেবে চিহ্নিত করা হয়েছে। এখনই কোনো প্রেক্ষাপট বা ব্যাখ্যা নয়, শুধু কী বিষয়ে বিরোধিতা করা হচ্ছে এবং তা কখন ঘটেছে, সেই তথ্য। যদি আপনি যে বার্তা পেয়েছেন তাতে নির্দিষ্ট threshold বা report type উল্লেখ থাকে, সেটিও নাম করে বলুন। এখানে নির্ভুলতা দেখায় যে আপনি নীতিটি মনোযোগ দিয়ে পড়েছেন, এবং সেটিই পরবর্তী সব কিছুর সুর নির্ধারণ করে।

পুনর্বিবেচনার জন্য আপনার ভিত্তি দিন

এটি সেই অনুচ্ছেদ, যা আসলে কাজটি করে, এবং সবচেয়ে সাধারণ ব্যর্থতা এখানেই ঘটে। আপনার ক্ষেত্রে কেন এই সিদ্ধান্তটি ভুল, তা নির্দিষ্টভাবে উল্লেখ করুন: আমি এই অ্যাসাইনমেন্টটি [describe your actual process] ব্যবহার করে লিখেছি, এবং নিম্নলিখিত প্রমাণ সেই বিবরণকে সমর্থন করে। যদি ইংরেজি আপনার দ্বিতীয় ভাষা হয়, তবে AI detectors biased against non-native speakers সম্পর্কে নথিভুক্ত ধারা আপনার ভিত্তির অংশও বটে, এবং তা পর্যালোচনাকারীর অনুমানের ওপর ছেড়ে না দিয়ে সরাসরি উল্লেখ করা মূল্যবান।

আপনার প্রমাণ সংযুক্ত করুন এবং তালিকাভুক্ত করুন

পাঠক যেন নিজে থেকে কোনো ফোল্ডারের মধ্যে খুঁজে না বেড়ায়, বরং কী সংযুক্ত আছে তা নামসহ তালিকাভুক্ত করুন: সংযুক্ত: Google Docs version history export (dated [range]), browser search history covering [dates], handwritten outline photographed on [date]. শারীরিক সংযুক্তিগুলোর সঙ্গে মিলিয়ে যাচাই করা যায় এমন একটি নম্বরযুক্ত তালিকা, গদ্যে একই বিষয় বর্ণনা করা একটি অনুচ্ছেদের চেয়ে বেশি কার্যকর।

আপনি যে ফলাফল চাইছেন তা স্পষ্টভাবে উল্লেখ করুন

আপনি ঠিক কী ঘটতে চান, তা নামসহ শেষ করুন: আমি অনুরোধ করছি যে এই সিদ্ধান্তটি বাতিল করে আমার রেকর্ড থেকে অপসারণ করা হোক, অথবা দ্বিতীয় পাঠকের দ্বারা পর্যালোচনা করা হোক, অথবা [specific outcome] এ নামিয়ে আনা হোক। যে চিঠি দীর্ঘভাবে যুক্তি দেয় কিন্তু কখনো কোনো অনুরোধ স্পষ্ট করে না, তা পর্যালোচনাকারীকে অনুমান করতে বাধ্য করে যে কী আপনাকে সন্তুষ্ট করবে, আর তা খুব কমই আপনার পক্ষে কাজ করে।

AI Detection Appeal-এ আপনার কী প্রমাণ সংযুক্ত করা উচিত?

নিচের চেকলিস্টে যা কিছু আপনার কাছে সত্যিই আছে, সবই, কোনো বাছাই করা সেরা অংশের সংকলন নয়। একটি appeal বিবেচনা করা পর্যালোচনাকারী স্বাধীন উৎসগুলোর মধ্যে সামঞ্জস্য খুঁজছেন, তাই একটি শ্রেণিতে ফাঁক থাকলে তা যতটা ক্ষতিকর মনে হয়, বাস্তবে ততটা নয়, এবং একটি শক্তিশালী প্রমাণের মূল্য কয়েকটি দুর্বল প্রমাণের চেয়ে বেশি, বিশেষত যখন সেগুলোকে পূর্ণাঙ্গ দেখাতে বাড়তি ভরাট করা হয়। তালিকাটি কালানুক্রমিক ক্রমে নয়, বরং সবচেয়ে শক্তিশালী থেকে সবচেয়ে দুর্বল ক্রমে সাজান, কারণ যে পর্যালোচনাকারী কেবল প্রথম দুটি আইটেমই পড়েন, তিনিও যেন আপনার সেরা উপকরণটি দেখতে পান।

• AI সনাক্তকরণ প্রতিবেদনের সম্পূর্ণ অনুলিপি, শুধু সারসংক্ষেপ শতাংশ নয়, কারণ শিক্ষার্থীদের ডিফল্টভাবে এটি দেখানো হয় না এবং একজন শিক্ষককে এটি ভাগ করার জন্য PDF হিসেবে এক্সপোর্ট করতে হয়
• Google Docs বা Word থেকে version history, যা দেখায় যে নথিটি বাস্তব সময়ে কীভাবে গড়ে উঠেছে
• ফাইল এবং cloud-এর timestamp, আদর্শভাবে কেবল স্থানীয় ফাইলের বদলে কোনো service-এর নিজস্ব activity log থেকে
• লেখার সময়কাল জুড়ে প্রাসঙ্গিক browser, database, বা citation manager search history
• হাতে লেখা নোট, টীকা-সংবলিত printout, বা নিজস্ব স্বাধীন timeline-সহ outline
• আপনার প্রক্রিয়ার একটি সংক্ষিপ্ত লিখিত বিবরণ, আপনি কী পড়েছেন, কী সিদ্ধান্ত নিয়েছেন, এবং কোন ক্রমে

যদি আপনার লেখা আংশিকভাবে শব্দভান্ডার বা বাক্য-ছন্দের কারণে চিহ্নিত হয়ে থাকে, তাহলে একটি free perplexity checker আপনাকে সেই একই পরিমাপ দেখায় যা একটি detector চালায়, এবং এটি আপনার নিজের চিঠিতে ব্যাখ্যা করার জন্য উপযোগী ভাষা, কেন আপনার স্বাভাবিক লেখার ধরন এমন ফল দিয়েছে।

AI সনাক্তকরণ আপিল কেন ব্যর্থ হয়?

নিজের লেখার প্রক্রিয়া সম্পর্কে কিছু না দেখিয়ে, সাধারণভাবে AI detector-গুলো অবিশ্বস্ত বলে যুক্তি দেওয়া, আপিল ব্যর্থ হওয়ার সবচেয়ে সাধারণ একক উপায়। TextPulse-এর এই detector-গুলো বাস্তবে কতটা সঠিক তা নিয়ে নিজস্ব বিশ্লেষণ এই বিতর্কটি সম্পূর্ণভাবে আলোচনা করে, এবং তা পড়া মূল্যবান, কিন্তু সেটিই আপনার চিঠিতে পুনরায় যুক্তি দেওয়ার বিষয় নয়। একটি আপিল একজন পর্যালোচককে একটি finding পুনর্বিবেচনা না করে একটি policy বাতিল করতে বলে, এবং অন্তর্নিহিত প্রযুক্তি সম্পর্কে তারা যা-ই ভাবুক না কেন, পর্যালোচকেরা খুব কমই প্রথমটি করার অবস্থানে থাকেন।

একটি শক্তিশালী আপিল এর বিপরীতটি করে। এটি detector-এর সীমাবদ্ধতাগুলোকে সংক্ষিপ্তভাবে উল্লেখ করা context হিসেবে গ্রহণ করে, তারপর তার বেশির ভাগ অংশ আপনার নিজস্ব নির্দিষ্ট প্রক্রিয়া এবং তার পেছনের প্রমাণের ওপর ব্যয় করে। একজন পর্যালোচক বাস্তবে যে প্রশ্নে পদক্ষেপ নিতে পারেন তা শোনার চেয়ে সংকীর্ণ: এই নির্দিষ্ট শিক্ষার্থী কি এই নির্দিষ্ট নথিটি লিখেছে, নাকি এই tool কতটা ভালো, এবং এর মধ্যে কেবল একটিই আপনার চিঠিতে যুক্তি হিসেবে থাকা উচিত।

তিনটি ছোট ব্যর্থতা যথেষ্ট ঘন ঘন দেখা যায়, তাই সেগুলিকে সরাসরি নাম দিয়ে বলা যায়। আপিলের সময়সীমা মিস করা, যা সাধারণত অন্তর্নিহিত merit যাই হোক না কেন, স্বয়ংক্রিয়ভাবে বিকল্পটি বন্ধ করে দেয়। শিক্ষক বা প্রতিষ্ঠানের প্রতি অভিযুক্তিমূলক সুর, যা প্রমাণের প্রতিক্রিয়ার বদলে চরিত্র সম্পর্কে বিচার হিসেবে পড়া হয়। এবং একেবারে কোনো সংযুক্তি ছাড়া একটি আপিল, যা সম্পূর্ণভাবে দাবির ভিত্তিতে যুক্তি দেয়, ফলে পর্যালোচনাকারীর কাছে finding-এর সঙ্গে তুলনা করার মতো কিছুই থাকে না।

আপনি একটি আপিল পত্র জমা দেওয়ার পর কী ঘটে?

বেশিরভাগ প্রতিষ্ঠান জমা দেওয়া আপিলটি এমন একজন ব্যক্তি বা কমিটির কাছে পাঠায়, যিনি বা যারা মূল finding দিয়েছিলেন, তাদের থেকে আলাদা, এবং বেশিরভাগই একটি আনুমানিক সময়সীমা প্রকাশ করে, সাধারণত কয়েক সপ্তাহ, যদিও এটি প্রতিষ্ঠানের মধ্যে এতটাই ভিন্ন হয় যে জমা দেওয়ার সময় ধরে নেওয়ার বদলে তা নিশ্চিত করে নেওয়া মূল্যবান। কিছু প্রতিষ্ঠান পরবর্তী বৈঠকের অনুমতি দেয়, অন্যরা কেবল কাগজপত্রের ভিত্তিতেই সিদ্ধান্ত নেয়। জমা দেওয়ার সময় জিজ্ঞাসা করুন, ফলাফলটি আপনাকে লিখিতভাবে জানানো হবে কি না এবং সেই ফলাফলের বিরুদ্ধেও আরও আপিল করা যাবে কি না, কারণ প্রতিটি প্রতিষ্ঠানের প্রক্রিয়া একই পর্যায়ে শেষ হয় না।

এর কোনোটিই নির্দিষ্ট কোনো ফলাফল নিশ্চিত করে না, এবং তা করা উচিতও নয়। এটি যা করে, তা হলো শতাংশকে একা দাঁড় করিয়ে রাখার বদলে সিদ্ধান্তগ্রহণকারীদের সামনে একটি নির্দিষ্ট, যাচাইযোগ্য বিবরণ উপস্থাপন করা। সময়সীমার চাপে পড়ার আগে এই বিবরণ তৈরি করা সহজ, এবং TextPulse's free tools হলো এমন একটি জায়গা, যেখানে আপনি দেখতে পারেন অন্য কেউ মূল্যায়ন করার আগে আপনার নিজের লেখা এখন কেমন পড়া যায়।

আপনি লেখার আগে একটি যুক্তি জানা মূল্যবান: কয়েকটি বিশ্ববিদ্যালয় detector পুরোপুরি বন্ধ করে দিয়েছে, এবং সেই সিদ্ধান্তের পেছনের false positive প্রমাণ আলাদাভাবে সংগ্রহ করা হয়েছে।

পত্রটি শেষ ধাপ, প্রথম নয়। এটিকে বিশ্বাসযোগ্য করে তোলে এমন সবকিছু আপনি এটি লেখা শুরু করতে একটি ফাঁকা নথি খোলার বহু দিন বা সপ্তাহ আগেই সংগ্রহ করা হয়েছিল।